Pengaruh Extent of Training, Kesiapsiagaan untuk mengadopsi Inovasi

Tanam Padi, Human Capital terhadap Usahatani

Pengaruh Extent of Training, Kesiapsiagaan untuk mengadopsi Inovasi Tanam

Padi, Human Capital terhadap Usahatani akan di dapatkan melalui penggunaan
model SEM-PLS. Evaluasi model SEM-PLS digunakan untuk mengukur apakah data
yang digunakan sudah sesuai standar atau belum. Standar yang dimaksudkan meliputi
validitas data, reliabilitas data dan pengujian model apakah sudah baik atau belum.
Pengujian SEM-PLS ini terdapat dua tahapan yaitu evaluasi model pengukuran (outer
model) dan pengujian model struktural (inner model). Evaluasi model pengukuran
atau outer model dilakukan untuk manilai reliabilitas dan validitas dari indikator-
indikator pembentuk konstruk laten. Sedangkan evaluasi model struktural atau inner
model bertujuan untuk melihat hubungan antar variabel laten dengan melihat
seberapa besar variance yang dapat dijelaskan dan untuk mengetahui signifikansi dari
P-value.

Secara keseluruhan variabel Extent of Training, Kesiapsiagaan untuk mengadopsi

Inovasi Tanam Padi, Human Capital memiliki pengaruh yang positif dan signifikan
terhadap Usahatani. Ketiga variabel tersebut mampu menjelaskan usahatani sebesar
58,4% dan sisanya 41,6% dijelaskan oleh variabel lain diluar model penelitian.
Berikut hasil dan pembahasan dari masing-masing variabel:

Pengaruh Extent of Training terhadap Usahatani

1. Model pengukuran (outer model)
Extent of Training mempunyai pengaruh yang positif dan signifikan terhadap
Usahatani. Hal ini menunjukan bahwa Extent of Training mampu memberikan
pengaruh secara positif terhadap peningkatan usahatani. Penelitian ini menggunakan
variabel Extent of Training secara reflektif pada outer model. Pengukuran reflektif
dapat di evaluasi melalui beberapa tahap, yaitu pertama yang digunakan dalam
evaluasi model pengukuran reflektif adalah indicator reability. Evaluasi indicator
reability dilakukan dengan melihat loading factor dari masing-masing indicator.
Loading faktor dari masing-masing indicator harus mempunyai nilai >0.70 dan
mempunyai p-value yang signifikan dengan nilai <0.05. Tabel berikut akan
menunjukan hasil pengukuran model reflektif pada variabel Extent of Training:

Tabel 1. Indicator Loading dan Cross Loading variabel Extent of Training

X.1 X2 X3 Y1 P value Keterangan

X1.1 (0.985) -0.014 -0.006 -0.033 <0.001 Reliabel
X1.2 (0.898) 0.101 -0.045 -0.038 <0.001 Reliabel
X1.3 (0.985) 0.014 -0.006 -0.033 <0.001 Reliabel
X1.4 (0.969) -0.056 0.054 0.102 <0.001 Reliabel
Sumber : Data Primer diolah (2018)

Pada Tabel diatas nilai loading factor menunjukan bahwa indikator Extent of
Training (X1) memiliki nilai > 0.70. Nilai P-value pada tiap indikator juga
menunjukan nilai <0,001 sehingga dapat dikatakan bahwa semua indikator telah
memenuhi syarat nilai indicator reliability yang reliable.

Tahap selanjutnya adalah dari evaluasi model pengukuran reflektif adalah dengan
melihat nilai dari evaluasi reability dan AVE. Composite reliability digunakan untuk
mengetahui reliabilitas instrument penelitian dan harus mempunyai nilai >0.70
sebagai syarat reabilitas. Nilai AVE kriterianya harus >0.50. Tabel dibawah ini akan
menunjukan hasil analisis Composite reliability dan AVE dari variabel Extent of
Training

Tabel 2. Nilai Composite Reliability, AVE variabel Extent of Training

Extent of Training
Composite reability 0.979
Average variance extraced (AVE) 0.960
Sumber : Data Primer diolah (2018)
 Berdasarkan hasil dari tabel diatas nilai composite reliability sebesar 0.979. Hal ini
menunjukan bahwa variabel Extent of Training sudah reliable karena nilainya >0.70.
Nilai AVE pada variabel Extent of Training sudah bisa dikatakan valid karena
menunjukan nilai >0.05 yaitu pada variabel Extent of Training nilai AVE adalah
0.960.

Tahap terakhir dari evaluasi model pengukuran reflektif adalah dengan melihat
nilai dari discriminate validity. Nilai discriminate validity ini dapat dilihat dari nilai
akar AVE dengan korelasi antar konstruk. Tahapan ini dianggap telah terpenuhi jika
nilai dari akar AVE telah benar antar variabel lainnya. Nilai ini dapat dilihat dengan
membandingkan nilai yang terdapat didalam kurung dengan nilai disampingnya.
Tabel berikut ini akan menunjukan nilai discriminate validity variabel Extent of
Training.

Tabel 3. Nilai Correlation among latent variable with square roots of AVEs variabel
Extent of Training

X1 X2 X3 Y1
X1 (0.960) 0.087 0.011 0.187
X2 0.087 (0.926) 0.137 0.202
X3 0.011 0.137 (0.810) 0.322
Y1 0.187 0.202 0.322 (0.924)
Sumber : Data Primer diolah (2018)

Pada Tabel diatas terlihat bahwa nilai yang berada dalam kurung merupakan
indikator dari variabel sedangkan nilai yang tidak memiliki tanda kurung merupakan
nilai korelasi indikator lainnya. Pada tabel diatas menunjukan nilai yang valid karena
nilai cross loading tidak melebihi nilai indicator loading. Selanjutnya adalah evaluasi
dari discriminat validity adalah melihat akar AVE. Berdasarkan hasil ouput pada
Tabel diatas menunjukan adanya validitas diskirman yang baik karena nilai akar
kuadrat AVE untuk setiap konstruk lebih besar dari korelasi antar konstruk.
2. Model pengukuran (inner model)
Langkah selanjutnya adalah melihat pengaruh variabel Extent of Training dari
inner model. Penilaian inner model dapat dilihat dari nilai Full Collin.VIF, effect size
(f2), dan koefisiensi jalur. Tabel berikut akan menunjukkan hasil analisis inner model
dari variabel Extent of Training.

Tabel 4. Hasil analisis Full Collin. VIF, effect size (f2), dan koefisiensi jalur variabel
Extent of Training

Extent of Training
Full Collin. VIF 1.042
Effect size (f2) 0.265
Koefisiensi jalur 0.44
Sumber: Data primer diolah (2018)

Pada tabel di atas menunjukan bahwa variabel Extent of Training terbebas dari
multikolinearitas. Hal tersebut dapat dilihat dari nilai Full Collin, VIF adalah < 3.3
yang mempunyai nilai 1.042. Kemudian variabel Extent of Training memunyai nilai
effect size sebesar 0.265 yang artinya memiliki pengaruh dalam kriteria menegah
karena nilainya ≥ 0.15. Koefisien jalur pada variabel Extent of Training memiliki
nilai sebesar 0.44 yang berarti variabel ini memiliki pengaruh yang positif terhadap
usahatani sebesar 44%. Dari hasil analisis tersebut dapat disimpulkan bahwa Extent of
Training mempunyai pengaruh terhadap usahatani. Hasil analisis diatas menunjukkan
bahwa hipotesis pada penelitian ini diterima.
Pengaruh Kesiapsiagaan untuk mengadopsi Inovasi Tanam Padi terhadap
Usahatani
1. Model pengukuran (outer model)
Kesiapsiagaan untuk mengadopsi inovasi tanam padi mempunyai pengaruh yang
positif dan signifikan terhadap Usahatani. Hal ini menunjukan bahwa kesiapsiagaan
untuk mengadopsi inovasi tanam padi mampu memberikan pengaruh secara positif
terhadap peningkatan usahatani. Penelitian ini menggunakan variabel kesiapsiagaan
untuk mengadopsi inovasi tanam padi secara reflektif pada outer model. Pengukuran
reflektif dapat di evaluasi melalui beberapa tahap, yaitu pertama yang digunakan
dalam evaluasi model pengukuran reflektif adalah indicator reability. Evaluasi
indicator reability dilakukan dengan melihat loading factor dari masing-masing
indicator. Loading faktor dari masing-masing indicator harus mempunyai nilai >0.70
dan mempunyai p-value yang signifikan dengan nilai <0.05. Tabel berikut akan
menunjukan hasil pengukuran model reflektif pada variabel kesiapsiagaan untuk
mengadopsi inovasi tanam padi:

Tabel 5. Indicator Loading dan Cross Loading variabel Kesiapsiagaan untuk

mengadopsi inovasi tanam padi

X.1 X2 X3 Y1 P value Keterangan

X2.1 0.005 (0.884) 0.070 0.002 <0.001 Reliabel
X2.2 -0.001 (0.952) -0.041 -0.011 <0.001 Reliabel
X2.3 0.005 (0.884) 0.070 0.002 <0.001 Reliabel
X2.4 -0.001 (0.952) -0.041 -0.011 <0.001 Reliabel
X2.5 0.006 (0.955) 0.048 0.017 <0.001 Reliabel
Sumber : Data Primer diolah (2018)

Pada Tabel diatas nilai loading factor menunjukan bahwa indikator Kesiapsiagaan
untuk mengadopsi inovasi tanam padi (X2) memiliki nilai > 0.70. Nilai P-value pada
tiap indikator juga menunjukan nilai <0,001 sehingga dapat dikatakan bahwa semua
indikator telah memenuhi syarat nilai indicator reliability yang reliable.
 Tahap selanjutnya adalah dari evaluasi model pengukuran reflektif adalah dengan
melihat nilai dari evaluasi reability dan AVE. Composite reliability digunakan untuk
mengetahui reliabilitas instrument penelitian dan harus mempunyai nilai >0.70
sebagai syarat reabilitas. Nilai AVE kriterianya harus >0.50. Tabel dibawah ini akan
menunjukan hasil analisis Composite reliability dan AVE dari variabel Kesiapsiagaan
untuk mengadopsi inovasi tanam padi.

Tabel 6. Nilai Composite Reliability, AVE variabel Kesiapsiagaan untuk

mengadopsi inovasi tanam padi

Kesiapsiagaan untuk
mengadopsi inovasi tanam padi
Composite reability 0.968
Average variance extraced (AVE) 0.926
Sumber : Data Primer diolah (2018)

Berdasarkan hasil dari tabel diatas nilai composite reliability sebesar 0.968. Hal ini
menunjukan bahwa variabel Kesiapsiagaan untuk mengadopsi inovasi tanam padi
sudah reliable karena nilainya >0.70. Nilai AVE pada variabel Kesiapsiagaan untuk
mengadopsi inovasi tanam padi sudah bisa dikatakan valid karena menunjukan nilai
>0.05 yaitu pada variabel Kesiapsiagaan untuk mengadopsi inovasi tanam padi nilai
AVE adalah 0.926.

Tahap terakhir dari evaluasi model pengukuran reflektif adalah dengan melihat
nilai dari discriminate validity. Nilai discriminate validity ini dapat dilihat dari nilai
akar AVE dengan korelasi antar konstruk. Tahapan ini dianggap telah terpenuhi jika
nilai dari akar AVE telah benar antar variabel lainnya. Nilai ini dapat dilihat dengan
membandingkan nilai yang terdapat didalam kurung dengan nilai disampingnya.
Tabel berikut ini akan menunjukan nilai discriminate validity variabel Kesiapsiagaan
untuk mengadopsi inovasi tanam padi.
Tabel 7. Nilai Correlation among latent variable with square roots of AVEs variabel
Kesiapsiagaan untuk mengadopsi inovasi tanam padi

X1 X2 X3 Y1
X1 (0.960) 0.087 0.011 0.187
X2 0.087 (0.926) 0.137 0.202
X3 0.011 0.137 (0.810) 0.322
Y1 0.187 0.202 0.322 (0.924)
Sumber : Data Primer diolah (2018)

Pada Tabel diatas terlihat bahwa nilai yang berada dalam kurung merupakan
indikator dari variabel sedangkan nilai yang tidak memiliki tanda kurung merupakan
nilai korelasi indikator lainnya. Pada tabel diatas menunjukan nilai yang valid karena
nilai cross loading tidak melebihi nilai indicator loading. Selanjutnya adalah evaluasi
dari discriminat validity adalah melihat akar AVE. Berdasarkan hasil ouput pada
Tabel diatas menunjukan adanya validitas diskirman yang baik karena nilai akar
kuadrat AVE untuk setiap konstruk lebih besar dari korelasi antar konstruk.

3. Model pengukuran (inner model)

Langkah selanjutnya adalah melihat pengaruh variabel Kesiapsiagaan untuk
mengadopsi inovasi tanam padi dari inner model. Penilaian inner model dapat dilihat
dari nilai Full Collin.VIF, effect size (f2), dan koefisiensi jalur. Tabel berikut akan
menunjukkan hasil analisis inner model dari variabel Kesiapsiagaan untuk
mengadopsi inovasi tanam padi.
Tabel 8. Hasil analisis Full Collin. VIF, effect size (f2), dan koefisiensi jalur variabel
Kesiapsiagaan untuk mengadopsi inovasi tanam padi

Kesiapsiagaan untuk
mengadopsi inovasi tanam
padi
Full Collin. VIF 1.052
Effect size (f2) 0.223
Koefisiensi jalur 0.37
Sumber: Data primer diolah (2018)

Pada tabel di atas menunjukan bahwa variabel Kesiapsiagaan untuk mengadopsi

inovasi tanam padi terbebas dari multikolinearitas. Hal tersebut dapat dilihat dari nilai
Full Collin, VIF adalah < 3.3 yang mempunyai nilai 1.052. Kemudian variabel
Kesiapsiagaan untuk mengadopsi inovasi tanam padi memunyai nilai effect size
sebesar 0.223 yang artinya memiliki pengaruh dalam kriteria menegah karena
nilainya ≥ 0.15. Koefisien jalur pada variabel Kesiapsiagaan untuk mengadopsi
inovasi tanam padi memiliki nilai sebesar 0.37 yang berarti variabel ini memiliki
pengaruh yang positif terhadap usahatani sebesar 37%. Dari hasil analisis tersebut
dapat disimpulkan bahwa Kesiapsiagaan untuk mengadopsi inovasi tanam padi
mempunyai pengaruh terhadap usahatani. Hasil analisis diatas menunjukkan bahwa
hipotesis pada penelitian ini diterima
Pengaruh Human Capital terhadap Usahatani
1. Model pengukuran (outer model)
Human Capital mempunyai pengaruh yang positif dan signifikan terhadap
Usahatani. Hal ini menunjukan bahwa Human Capital mampu memberikan pengaruh
secara positif terhadap peningkatan usahatani. Penelitian ini menggunakan variabel
Human Capital secara reflektif pada outer model. Pengukuran reflektif dapat di
evaluasi melalui beberapa tahap, yaitu pertama yang digunakan dalam evaluasi model
pengukuran reflektif adalah indicator reability. Evaluasi indicator reability dilakukan
dengan melihat loading factor dari masing-masing indicator. Loading faktor dari
masing-masing indicator harus mempunyai nilai >0.70 dan mempunyai p-value yang
signifikan dengan nilai <0.05. Tabel berikut akan menunjukan hasil pengukuran
model reflektif pada variabel Human Capital:

Tabel 9. Indicator Loading dan Cross Loading variabel Human Capital

X.1 X2 X3 Y1 P value Keterangan

X3.1 0.032 -0.072 (0.810) 0.041 <0.001 Reliabel
X3.2 -0.032 0.072 (0.810) -0.041 <0.001 Reliabel
Sumber : Data Primer diolah (2018)

Pada Tabel diatas nilai loading factor menunjukan bahwa indikator Human
Capital (X3) memiliki nilai > 0.70. Nilai P-value pada tiap indikator juga
menunjukan nilai <0,001 sehingga dapat dikatakan bahwa semua indikator telah
memenuhi syarat nilai indicator reliability yang reliable.

Tahap selanjutnya adalah dari evaluasi model pengukuran reflektif adalah dengan
melihat nilai dari evaluasi reability dan AVE. Composite reliability digunakan untuk
mengetahui reliabilitas instrument penelitian dan harus mempunyai nilai >0.70
sebagai syarat reabilitas. Nilai AVE kriterianya harus >0.50. Tabel dibawah ini akan
menunjukan hasil analisis Composite reliability dan AVE dari variabel Human
Capital
 Tabel 10. Nilai Composite Reliability, AVE variabel Human Capital

Human Capital
Composite reability 0.792
Average variance extraced (AVE) 0.810
Sumber : Data Primer diolah (2018)

Berdasarkan hasil dari tabel diatas nilai composite reliability sebesar 0.792. Hal ini
menunjukan bahwa variabel Human Capital sudah reliable karena nilainya >0.70.
Nilai AVE pada variabel Human Capital sudah bisa dikatakan valid karena
menunjukan nilai >0.05 yaitu pada variabel Human Capital nilai AVE adalah 0.810.

Tahap terakhir dari evaluasi model pengukuran reflektif adalah dengan melihat
nilai dari discriminate validity. Nilai discriminate validity ini dapat dilihat dari nilai
akar AVE dengan korelasi antar konstruk. Tahapan ini dianggap telah terpenuhi jika
nilai dari akar AVE telah benar antar variabel lainnya. Nilai ini dapat dilihat dengan
membandingkan nilai yang terdapat didalam kurung dengan nilai disampingnya.
Tabel berikut ini akan menunjukan nilai discriminate validity variabel Human
Capital.

Tabel 11. Nilai Correlation among latent variable with square roots of AVEs
variabel Human Capital

X1 X2 X3 Y1
X1 (0.960) 0.087 0.011 0.187
X2 0.087 (0.926) 0.137 0.202
X3 0.011 0.137 (0.810) 0.322
Y1 0.187 0.202 0.322 (0.924)
Sumber : Data Primer diolah (2018)

Pada Tabel diatas terlihat bahwa nilai yang berada dalam kurung merupakan
indikator dari variabel sedangkan nilai yang tidak memiliki tanda kurung merupakan
nilai korelasi indikator lainnya. Pada tabel diatas menunjukan nilai yang valid karena
nilai cross loading tidak melebihi nilai indicator loading. Selanjutnya adalah evaluasi
dari discriminat validity adalah melihat akar AVE. Berdasarkan hasil ouput pada
Tabel diatas menunjukan adanya validitas diskirman yang baik karena nilai akar
kuadrat AVE untuk setiap konstruk lebih besar dari korelasi antar konstruk.

4. Model pengukuran (inner model)

Langkah selanjutnya adalah melihat pengaruh Human Capital dari inner model.
Penilaian inner model dapat dilihat dari nilai Full Collin.VIF, effect size (f2), dan
koefisiensi jalur. Tabel berikut akan menunjukkan hasil analisis inner model dari
variabel Human Capital.

Tabel 12. Hasil analisis Full Collin. VIF, effect size (f2), dan koefisiensi jalur variabel
Human Capital

Human Capital
Full Collin. VIF 1.126
Effect size (f2) 0.096
Koefisiensi jalur 0.21
Sumber: Data primer diolah (2018)

Pada tabel di atas menunjukan bahwa variabel Human Capital terbebas dari
multikolinearitas. Hal tersebut dapat dilihat dari nilai Full Collin, VIF adalah < 3.3
yang mempunyai nilai 1.126. Kemudian variabel Human Capital memunyai nilai
effect size sebesar 0.096 yang artinya memiliki pengaruh dalam kriteria kecil karena
nilainya ≥ 0.02. Koefisien jalur pada variabel Human Capital memiliki nilai sebesar
0.21 yang berarti variabel ini memiliki pengaruh yang positif terhadap usahatani
sebesar 21%. Dari hasil analisis tersebut dapat disimpulkan bahwa Human Capital
mempunyai pengaruh terhadap usahatani. Hasil analisis diatas menunjukkan bahwa
hipotesis pada penelitian ini diterima.
 Analisis Variabel Kinerja
Variabel endogen pada penelitian ini adalah usahatani. Variabel usahatani
memiliki dua indikator yaitu perubahan pendapatan dan pertumbuhan rata-rata modal
usaha. Kedua indikator tersebut diukur secara formatif. Pada tabel berikut akan
menunjukan bahwa semua indikator dari masing-masing variabel telah memenuhi
ketentuan. Masing-maisng indicator mempunyai nilai VIF < 3.3 yang berarti tidak
terjadi multikolinearitas dan P value < 0.05 yang berarti signifikan.

Kemudian usahatani menggunakan pengukuran formatif. Dalam pengukuran

formatif ini formatif akan mengevaluasi indicator reability melalui significant weight
dan collinearity melalui VIF. Analisis pada tahap ini digunakan untuk melihat
reabilitas indikator dan melihat ada tidaknya kolinearitas pada indikator yang
digunakan pada penelitian. Berikut adalah tabel hasil pengukuran formatif pada
variabel usahatani :

Tabel 13. Indicator weight Model Formatif Variabel Usahatani

Kinerja X1 X2 X3 Y1 VIF P value

Kuantitas 0 0 0 (0.541) 2.000 <0.001
Kualitas 0 0 0 (0.541) 2.000 <0.001
Sumber : Data Primer diolah (2018)

Syarat untuk kriteria indicator reability parameter significant weight adalah nilai
P-value <0.05 atau level 5%. Kemudian kedua adalah syarat kriteria collinearity
parameter VIF adalah agar VIF terbebas dari masalah kolinearitas yaitu <3.3. Pada
tabel diatas dapat dilihat bahwa nilai Indicator weight Model formatif variabel
usahatani reliabel dan terbebas dari masalah kolinearitas. Hal ini ditunjukan dengan
nilai p-value kurang dari <0,05 dan nilai VIF yang kurang dari <3,3. Kedua indikator
tersebut memiliki hasil yang sama.

Langka selanjutnya adalah evaluai dari inner model variabel usahatani, yaitu
dengan melihat nilai R-square, Full Collin, VIF, Q-square, dan nilai GoF. Kemudian
tabel dibawah ini akan menunjukan hasil R-square pada variabel usahatani. Hasil
nilai dari R-square ini digunakan untuk mengetahui seberapa besar variabel eksogen
mampu menjelaskan variabel endogen.

Hasil analisis menunjukkan bahwa R-square variabel usahatani yaitu sebesar

0.584 dimana bahwa variabel Extent of Training, Kesiapsiagaan untuk mengadopsi
Inovasi Tanam Padi, Human Capital sebesar 58,4% dan sisanya 41,6% dipengaruhi
oleh variabel lain diluar penelitian ini. Pada penelitian ini nilai R-square masuk dalam
kategori moderate. Kemudian selain R-square, hasil analisis pada tabel dibawah ini
menunjukkan juga bahwa variabel usahatani terbebas dari multikolinearitas. Hal
tersebut dilihat dari nilai Full Collin, VIF yang < 3.3 yaitu sebesar 1.188.

Tabel 14. Nilai R-square, Full Collin. VIF, Q-square variabel kinerja di CV. DIL

Usahatani
R-square 0.584
Full Collin. VIF 1.188
Q-squared 0.526
Sumber: Data primer diolah (2018)

Dalam Q-Squared dapat dilihat jika Q2 > 0 maka menunjukkan model yang
mempunyai predictive relevance dan jika Q2 < 0 maka menunjukkan bahwa model
kurang memiliki predictive relevance. Dari hasil penelitian yang dilakukan bahwa q2
predictive relevance masuk dalam kategori kuat karena memiliki nilai 0.526.
Tahap terakhir dari evaluasi model struktural inner model adalah mengevaluasi
goodness of fit model. Evaluasi goodness of fit dilakukan dengan melihat tiga
indikator yakni average path coefficient (APC), average R-Squared (ARS) dan
average block varaince inflation factor (AVIF). Kemudian dari hasil penelitian yang
didapat hasil dari APC adalah 0.339 dan p-value <0.001, kemudian untuk nilai ARS
adalah 0.584 dengan p-value <0.001, dan yang terakhir adalah AVIF yaitu sebesar
1.208.
Tabel 15. Nilai APC, ARS, AVIF dan GoF model penelitian di CV. DIL

Nilai p-value
Average path coefficient (APC) 0.339 p = 0,009
Average R-squared (ARS) 0.584 P < 0,001
Average block variance inflation factor (AVIF) 1.208
Goodness of Fit (GoF) 0.693
Sumber: Data primer diolah (2018)
Penilaian model dalam penelitian apakah sudah layak atau belum untuk
menjelaskan pengaruh variabel-variabel eksogen terhadap variabel endogen dapat
dilihat dari niai GoF nya. Terdapat tiga kriteria dalam penilaian GoF yaitu ≥ 0,1
berarti kecil, ≥ 0,25 berarti menengah dan ≥ 0,36 berarti besar. Pada tabel diatas
menujukkan bahwa nilai GoF yang didapat adalah 0.693 yang masuk dalam kategori
besar karena lebih dari 0.36. Dapat disimpulkan dari ketiga hasil tersebut bisa
dikatakan bahwa penelitian ini layak digunakan untuk menjelaskan pengaruh
perubahan pendapatan dan pertumbuhan rata-rata modal usaha terhadap usahatani.